In questo articolo Indice dei contenuti 2 sezioni
Google ha scelto l’intelligenza artificiale per dimostrare, con il rigore della matematica, che il codice di Signal rispetta precise garanzie di sicurezza. Il punto non è tanto l’app di messaggistica omonima, quanto la tecnologia di crittografia end to end che la fa funzionare e che regge anche WhatsApp e Google Messaggi.
Il 10 novembre 2026 Google DeepMind ha presentato AlphaProof Code, un sistema che mette insieme agenti AI basati su Gemini, competenze umane e strumenti di dimostrazione matematica. I ricercatori sono riusciti a verificare proprietà di sicurezza importanti di libsignal, cioè l’implementazione di riferimento del protocollo, scendendo fino al codice macchina. Con gli strumenti tradizionali, secondo Google, sarebbero serviti anni. Il progetto ha invece chiuso le verifiche in appena 4 settimane.
Il Signal Protocol, pubblicato nel 2013, sfrutta meccanismi crittografici pensati per tenere al riparo le conversazioni anche quando alcune chiavi di cifratura finiscono compromesse. Già nel 2025 era arrivato SPQR, un meccanismo che aggiorna le chiavi durante le chat per resistere pure ai futuri attacchi quantistici.
Trovare falle non vuol dire dimostrare la sicurezza
Per capire il peso della novità conviene guardare a come si controlla di solito la solidità di un software. I test funzionali verificano che un programma restituisca i risultati attesi con determinati input. Il fuzzing bombarda il codice con enormi quantità di dati imprevisti, malformati o generati in automatico per far emergere comportamenti anomali. Gli strumenti di vulnerability scanning vanno invece a caccia di problemi già noti, componenti vulnerabili o configurazioni rischiose. Approcci utilissimi, ma nessuno prova che un programma rispetti una proprietà di sicurezza in tutti i casi previsti da un certo modello. Ed è qui che entra in scena la verifica formale.
Questo metodo ribalta la prospettiva. Descrive una proprietà con formule matematiche e costruisce una dimostrazione della sua validità partendo da ipotesi esplicite. Si può dimostrare per esempio che un aggressore non riesca a ricostruire determinate chiavi crittografiche nemmeno conoscendo informazioni ottenute durante una compromissione. C’è però un limite. Una dimostrazione sul progetto di un protocollo non garantisce che il software lo implementi senza sbavature. Una gestione sbagliata della memoria, una transizione di stato inattesa o un problema nato in fase di compilazione possono aprire falle che il modello astratto semplicemente non considera.
Come lavora AlphaProof Code e dove si ferma
AlphaProof Code divide il lavoro tra più agenti AI, ognuno con compiti specifici. Gli esperti fissano gli obiettivi di sicurezza e supervisionano la traduzione delle proprietà in specifiche matematiche. Poi entrano in gioco gli agenti alimentati da Gemini Carbon, che sviluppano le dimostrazioni usando Lean, linguaggio e assistente per la dimostrazione di teoremi. L’AI non decide da sola che Signal sia sicuro. Produce dimostrazioni che il verificatore di Lean controlla secondo regole formali, e una conclusione che sembra convincente ma salta i passaggi matematici richiesti non passa l’esame.
Stando al documento tecnico dei ricercatori, gli agenti hanno generato circa 6,5 milioni di righe di dimostrazioni Lean, poggiate su circa 26.000 righe di specifiche e definizioni ritenute affidabili, comprese quelle che descrivono il comportamento dell’architettura AArch64. Al centro ci sono proprietà crittografiche cruciali come la forward secrecy, che protegge i messaggi precedenti a una compromissione delle chiavi, e la post compromise security, che consente alla comunicazione di tornare protetta dopo una compromissione temporanea, purché si verifichino le condizioni previste dal protocollo.
Ehren Kret, CTO di Signal, ha accolto con favore il risultato, sottolineando che gli agenti AI permettono di allargare parecchio la verifica rispetto agli approcci precedenti, spesso confinati a porzioni ridotte del codice. Google però non ha dimostrato l’assenza di qualsiasi vulnerabilità. Le garanzie riguardano proprietà definite con precisione dentro ipotesi e scenari specifici. Il materiale pubblicato da DeepMind lo chiarisce bene: i risultati si riferiscono a una particolare compilazione di libsignal usata da riga di comando, non all’intera app per Android, iOS o desktop. Le dimostrazioni non prendono il posto di audit, fuzzing, test e aggiornamenti di sicurezza, ma aggiungono un livello di garanzia prezioso soprattutto per il codice crittografico più delicato.
Se l’intelligenza artificiale riuscirà ad abbassare il costo della verifica formale, controlli matematici approfonditi potranno essere estesi anche a componenti oggi troppo complessi da analizzare a mano, come firmware, sistemi di autenticazione, librerie crittografiche e programmi impiegati nelle infrastrutture critiche.
Fonte: TecnoAndroid


